客服电话:15682930301

电子技术论文

当前位置: 毕业论文>计算机论文>电子技术论文 > 正文

基于ECG与PPG的血压测量方法研究

发布时间:2019-12-03 11:41文字数:12098字

  摘要

  目前,心血管疾病已经成为威胁人类身体健康和生命安全的主要疾病之一,其中血压是引起心血管疾病的主要因素,因而通过监测血压的变化进而预防心血管疾病的发生具有非常重要的意义。血压测量方法有很多种,常见的血压测量方法如柯氏音法、示波法均无法实现血压的连续测量。

  针对以上现状,本文基于脉搏波波速法的原理,研究一种基于ECG与PPG实现连续测量血压的算法。算法主要包括三个方面:去噪、定位以及血压模型的建立。在去噪阶段,采用小波变换与阈值相结合的方法去除信号中基线漂移、高频噪声等干扰的影响,在确保信号不失真的情况下提高了信噪比;在定位阶段,采用Pan-Tompkin算法实现R波波峰的定位,定位准确度为97.31%,采用动态阈值的方法实现脉搏波波峰的定位,定位准确度为98.28%;在建立血压模型阶段,首先找出对应的R波波峰与脉搏波波峰,求出脉搏波传播时间,根据脉搏波传播时间与血压的线性关系,构造出血压模型,基于此模型初步实现血压的连续测量。实验测得收缩压与舒张压均满足平均误差小于5mmHg、标准差小于8mmHg的要求, 符合AAMI电子血压计设计的标准。本次设计的数据来源于Challenge 2010 Training Set A/Test Set B挑战赛的数据库。

  关键词:血压测量;脉搏波波速法;基线漂移;R波定位

  第一章 绪论

  1.1 课题背景

  血压是维持组织器官血流灌注以及血液循环必不可少的因素,血压异常是导致心血管疾病的主要因素,其中高血压是最显著的致病因素之一,由高血压引起的心血管疾病超过了心血管疾病总数的一半。根据国家心血管疾病中心2017年的报告,如图1.1、图1.2所示,截至2015年年底我国心血管疾病患者的患病率正处于持续上升的阶段,越来越多的人正在饱受心血管疾病的折磨,这严重威胁到了我国人民的健康水平,造成了国家资源的严重浪费。

  现阶段血压的测量仍存在一些问题,如柯氏音法以及示波法,摆脱不了袖带的束缚,导致其便携性不好,并且袖带的充放气需要一定的时间,这不仅限制了血压的连续测量,还会给人体带来不适,可实现血压连续测量的直接测量法由于其有创性只适用于危及病人以及开腔手术的情况下。基于ECG与PPG的血压测量方法由于其便携性以及可实现无创连续测量的优点成为了血压测量方法的研究热点。

  1.2 研究目的和意义

  血压异常会影响到心、脑、肾等多个人体器官,其并发症有心力衰竭、高血压性心脏病、脑血栓、动脉硬化、慢性肾功能衰竭、尿毒症以及视网膜动脉硬化等,实现血压的连续测量对预防、诊断和治疗心脑血管疾病具有重要意义。

  人的血压会随着时间的变化而发生改变,但血压大都是在医院里测量,这就会出现“白大衣高血压效应”,因此实现血压的连续测量十分重要,不仅有利于提前预防高血压,还有利于实时监测人体身体状况,减少心脑血管的发病率。

  本课题的目的是基于脉搏波波速法的原理,通过求解ECG与PPG两路信号的时间差得出脉搏波传播时间,根据血压与脉搏波传播时间存在的线性相关从而建立血压模型,基于该血压模型实现血压的连续测量。

  1.3 国内外研究现状

  血压的直接测量通过将含有压力传感器的导管直接插入到人体动脉测得血压,这种方法测得的血压精度高,但方法的有创性表明该方法只适用于危及病人以及开腔手术的情况下;间接测量通过检测与血压相关的其他参数测量血压,是日常测量血压的常用方法。

  1.3.1 柯氏音法

  1905年俄国医生Korotkoff提出利用柯氏音的出现与消失测量血压[1]。柯氏音法测血压通过在充气阶段对袖带加压直到压力阻断动脉,然后对袖带放气逐步降低袖带内压力,当袖带内压力刚好等于收缩压时可以听到柯氏音从而求出收缩压的大小,袖带继续放气直到柯氏音消失可得到舒张压的大小。柯氏音法测血压准确度高,但存在着许多缺点,如无法摆脱袖带的束缚,测量时被测者会产生不适,测量结果也会因人而异。

  1.3.2 示波法

  示波法又称为“振荡法”,该方法利用压力传感器拾取袖带放气阶段产生的压力振荡波,然后通过分析压力振荡波的特征参数来获得收缩压与舒张压的值[2]。和柯氏音法相比,该方法消除了由于人工测量产生的误差,实现了血压的自动测量,但是依然没有摆脱袖带的束缚,而且缺乏跟踪血压突变的能力,测量结果也会受到运动的干扰。

  1.3.3 恒定容积法

  由于血管的直径会随着血压变化而改变,血管容积也会改变,当血管处于恒定容积状态时,血管的直径恒定,基于此可以通过外部伺服系统调节血管的外部压力,使得外部压力与动脉压力相等,补偿血管内的容积变化,即可求出动脉血压的值[3]。这种方法的优点是简便快捷,缺点是便携性不好。

  1.3.4 动脉张力法

  动脉张力法测量结果的准确度与传感器的精度与放置位置有很大的关系,该方法的原理是通过对放置在人体体表的压力传感器加压,使得该处动脉呈扁平状,此时的外加压力与动脉血压存在着正比的关系,通过转换即可得出血压的值[4]。该方法测量位置通常选择桡动脉、颈动脉等贴近体表动脉的地方,可以实现连续测量血压的目标,但是由于传感器的精度问题,难以实现准确测量,对于该方法的研究还处于测试阶段。

  1.4 数据库简介

  Physio是一个提供公共网络资源服务的网站,该网站每年与心脏计算会议合作举办一系列心脏病学挑战赛,利用Physio网站提供的数据和软件解决临床或基础科学中未解决的问题[5],研究人员可通过PhysioBank ATM选择所需数据,利用数据库提供的rdsamp函数导出MATLAB可识别的.mat格式的数据。本文所用数据来源于该网站里的Challenge 2010 Training Set A和Challenge 2010 Test Set B挑战赛的数据库,2010挑战赛的目标是根据其他几组同步的信号重建缺失的信号。挑战赛的数据库中的每组数据至少包含了6个同步连续的长达10分钟的数据,这6个同步信号包括心电信号、持续有创血压、呼吸、指尖体积描记波等其他输出信号,包含本次设计所需要的ECG、PPG以及BP三路信号。

  1.5 行文安排

  第一章绪论为文章简介,分别对课题背景、目的与意义、国内外现状以及数据库进行了简单的介绍;第二章介绍了血压的相关知识、ECG信号与PPG信号的特征、噪声的类型、以及脉搏波波速法测血压的基本原理;第三章介绍了去噪的主要内容,包括本文所用去噪方法的原理以及去噪结果、数据纪录与分析;第四章介绍了血压算法的主要内容,包括定位算法的原理以及数据纪录与分析,脉搏波传播时间的计算与血压方程的求解;第五章总结了算法的主要内容与现阶段仍存在的问题。

  第二章 脉搏波波速法的相关理论

  2.1 血压简介

  血压指的是血液在血管流动时对血管壁产生的侧压力,血液循环系统的充盈度、心脏射血和外周阻力是产生血压的三个因素。心脏、血管和淋巴系统组成了人体的循环系统,心脏的一张一缩,使得人体血液沿着血管流动产生了对血管壁的压力。心脏收缩,动脉压力最高时的血压为“高压”,即收缩压(Systolic Blood Pressure, SBP);心脏舒张,动脉压力最低时的血压为“低压”,即舒张压(Diastolic Blood Pressure, DBP)。血压受很多因素的影响,如心输出量对收缩压的影响较大,但对舒张压的影响则较小,收缩压和舒张压也都会随着外周阻力的增大而升高,外周阻力对舒张压的影响较大,对收缩压的影响较小。

  2.2 信号简介

  基于ECG与PPG测量血压的方法需要获得两路信号的时间差,其中最为常见的是以心电信号的R波波峰到脉搏波波峰处的时间差作为脉搏波传播时间。

  2.2.1 心电信号简介

  心动周期内,心脏不同部位相继兴奋时产生的电信号的变化情况即为心电图(Electrocardiogram,ECG),心电图为研究心脏提供了重要参考。心电信号是微毫伏级的信号,幅值范围为50μV~5mV之间,其频率分布在0.05Hz~100Hz之间,其中90%的心电信号频谱集中在0.25Hz~35Hz之间,QRS复合波的能量集中在3Hz~45Hz之间,P波和T波的能量集中在0.5Hz~10Hz之间,与P波和T波相比,QRS波群具有更高的幅度,提供了更多关于心脏状况的信息[6]。

  正常心脏活动传递过程为由窦结房传入右心房并沿心房肌向右心房下部和左心房扩展,此时即为心电图的P波,心室的全面除极产生了心电图的QRS波群,心室复极过程产生了心电图的T波,正常的心电信号一个周期的波形如图2.1所示。

  2.2.2 脉搏波信号简介

  光电容积描记波(Photo Plethysmo Graphy,PPG),即脉搏波是重要的生理信号,可通过接收光信号的强弱描绘出人体内血液容量变化情况,可用于推测人体的部分健康状况。通过分析脉搏波的频谱,可以看出信号的频率主要分布在0.5Hz~10Hz之间,其主要频率成分除了以心率为基频并且与该基频成倍数的高次谐频成分之外,还存在一些其他高次谐频成分,这些高次谐频成分的基频与心率非常相近,相差在0.1Hz以内,总的来说,脉搏波信号是由多个频率相近的基频分量以及于该基频信号成倍数关系的高次谐频信号组成的[7]。

  正常的脉搏波一个周期的波形如图2.2所示,由图可知脉搏波主要由上升支和下降支两个部分组成的。左心室射血导致动脉管壁扩张形成了脉搏波的上升支,射血后期速度减慢引起的血量减少形成了脉搏波的下降支,此时动脉管壁开始慢慢回缩,血压逐渐下降,脉搏波下降支的后半段是由于心室舒张,动脉管壁加速弹性收缩导致的,左心室射血停止使得动脉内血液逆流产生了潮波,心室舒张时血液反流冲击动脉瓣产生了重搏波。

  2.3 噪声简介

  由于人体的呼吸以及仪器等带来的干扰,采集到的信号波形很少会像图2.1以及图2.2那样标准,会受到基线漂移、高频噪声等噪声的干扰,不利于后续对信号的分析处理。

  2.3.1 基线漂移

  基线漂移是由人体呼吸运动产生的,属于低频噪声,其频率主要分布在0.05 Hz~2 Hz之间,接近心电信号的ST段和Q波段频率分量[8]。基线漂移会使信号上下波动,使信号出现严重失真,对于之后的R波定位阈值的选取将会产生很大的干扰。由于心电信号与脉搏波信号仅有小部分频段与基线漂移重叠,故比较容易消除该噪声带来的干扰。

  2.3.2 肌电干扰

  肌电干扰主要是由人体活动、肌肉收缩等各种电现象混杂在一起产生的干扰,其频率分布在5 Hz~2000 Hz之间,属于高频噪声[9]。由于肌电干扰与信号的频谱重叠,故很难完全消除该噪声对信号的影响,但由于其频率分布很广,每个频率分量的幅值较小,对信号的定位影响很小。

  2.3.3 工频干扰

  工频干扰指的是市内电压以电磁波辐射的形式对电子设备造成的干扰[10],通常情况下国内频率为50Hz,国外频率为60 Hz,时域上表现为连续规律的正弦波,频域上表现为在50Hz或60Hz处有个明显的峰值,由于工频噪声的频率固定,与信号的主要频段没有重叠,很容易滤除该噪声。

  2.4 脉搏波波速法

  基于ECG与PPG测量血压的方法即脉搏波波速法,是根据人体血压与脉搏波传播时间呈线性相关的特点提出的一种方法,研究发现,距离一定的条件下,收缩压与脉搏波传播时间呈线性相关,舒张压与脉搏波传播时间也存在一定的线性关系,但相关性较小[11]。利用脉搏波传播时间和血压的生理与物理关系为基础可以推导出脉搏波传播时间与血压的线性方程:

  (2.1)

  该方法的核心问题就是要求出方程中的待定系数a与b。研究发现年龄、性别与心血管疾病等因素决定着动脉硬化的程度,而动脉硬化程度与脉搏波传播时间存在着明显的相关性[12]。个体的差异将会导致线性方程的a和b参数的值不同,故针对不同个体,利用该方法测量血压时,需要求出相应个体的待定系数a和b从而建立适用于该个体的血压模型。

  算法主要分为三个部分,分别为去噪、定位和线性回归。本文选择小波变换与软阈值相结合的方法,可以去除大部分噪声,信号失真度小,信噪比足够高。定位分为两部分,R波定位和脉搏波定位,其中脉搏波定位有两个可选择的方案,分别为以脉搏波波峰处和以脉搏波上升支斜率最大值处为脉搏波传播时间终点,通过实验对比,以脉搏波波峰处为脉搏波传播时间终点的误差要比以脉搏波上升支斜率最大值处为脉搏波传播时间终点的误差要小,曲线拟合效果也较好;R波定位的难点在于T波干扰和基线漂移,由于采用的定位方法为阈值法,故在定位之前需要对信号进行预处理,消除基线漂移对定位造成的干扰,可用RR间隔以及斜率去除T波干扰带来的影响。

  脉搏波波速法测血压不仅可以摆脱袖带的束缚,提高设备的便携性,还可以实现长期监测血压变化的目标,因此,该方法的研究具有十分重要的意义。

  第三章 去噪

  3.1 去噪算法

  脉搏波信号和心电信号都是十分微弱的信号,容易受到很多噪声的干扰,这些干扰会影响信号的质量,降低定位的精度,给后续的血压测量带来较大的误差,因此需要去除这些噪声的干扰,从而提高定位的精度。

  小波分析方法是一种窗口大小(即窗口面积)固定但形状可改变,时间窗和频率窗都可改变的时频局域化的分析方法,可使信号中的有用信息和噪声呈现出不同的特征[13],故本文采用小波变换与阈值相结合的方法去除基线漂移、肌电干扰和工频干扰等噪声。小波变换可以同时获得信号时域与频域的信息,通过小波变换可以提取出信号的低频概貌与高频细节,通过阈值函数对小波系数经行阈值量化处理,由处理后的小波系数重构即可得到去噪之后的信号。小波变换需要手动选择小波基函数以及分解层数,由于Daubechies小波(一般简写为dbN,N为小波的阶数)具有较好的正则性与紧支撑性,且与信号最为相似,故本文最终采用db7作为脉搏波信号小波变换的基函数,心电信号采用db4为小波变换的基函数,分解层数为八层。

  小波变换后,基线漂移主要存在于大尺度的小波系数上,故可直接将该部分小波系数置零[14];根据Donoho理论,幅值较大数目较少的小波系数是由信号产生的,其他的小波系数则是由噪声产生的,而肌电干扰和工频干扰等高频噪声的能量主要存在于小尺度的小波系数上,故可以利用阈值函数对小尺度的小波系数进行阈值量化处理,从而消除高频噪声对信号的影响。故本文的去噪方案为将含有基线漂移的小波分量置零去除低频噪声,将含有高频噪声(包括肌电干扰、工频干扰等等)的小波分量经过阈值处理去除高频噪声。

  软阈值函数处理后的小波系数连续性好,信号失真率较低,但是去噪后的信号与原始信号会存在一个固定的差值;硬阈值函数处理后的小波系数可以很好地保留局部特征,但由于其“一刀切”的特性会导致小波系数的连续性较差,并且会在恢复后的信号中产生一些人为的噪声,两种阈值函数各有优缺点,可以根据信号的波形特征以及去噪效果的对比确定去噪方案。

  通过对比发现选择小波变换与软阈值相结合的方法去除脉搏波信号中噪声的干扰得到的去噪结果较为优秀,去噪对比结果如表3.1所示,反映信号受噪声干扰的程度的指标为信噪比SNR,值越大表示信号受噪声干扰越小,如公式(3.3)所示:

  反映去噪后的信号与原始信号的逼近程度的指标为均方根误差RMSE,值越小表示去噪后的信号与原始信号逼近程度越高,失真度越小[16],如公式(3.4)所示:(3.4)其中,x(i)为原始信号,y(i)为去噪后的信号,z(i)为含噪信号,n为信号长度。

  表3.1列出了分别采用软阈值函数与硬阈值函数去除脉搏波信号中高频噪声的处理结果,选择数据库中较为干净的10组脉搏波信号作为原始信号,通过加入高斯白噪声构造出含噪信号,由去噪结果可知采用软阈值函数去除脉搏波信号中高频噪声的信噪比比采用硬阈值去除脉搏波信号中高频噪声的信噪比高,均方根误差也相对较小。

  表3.2列出了分别采用软阈值函数与硬阈值函数去除心电信号中高频噪声的处理结果,选择数据库中较为干净的10组心电信号作为原始信号,通过加入高斯白噪声构造出含噪信号,由去噪结果可知,采用硬阈值函数去除心电信号中高频噪声的信噪比比采用软阈值函数去除心电信号中高频噪声的信噪比高,均方根误差也相对较小,因此选择小波变换与硬阈值相结合的方法去除心电信号中噪声的干扰。

  表3. 2心电信号去噪效果对比

  故去噪最终方案的具体步骤为:

  (1)首先对信号作八层小波变换可得到八层高频分量和一层低频分量,其中脉搏波信号选择db7作为小波基函数,心电信号选择db4作为小波基函数。

  (2)将脉搏波信号中含有基线漂移的第七层~第八层高频分量以及第八层低频分量置零,将心电信号中含有基线漂移的第六层~第八层高频分量以及第八层低频分量置零,去除信号中的基线漂移。

  (3)将脉搏波信号中含有高频噪声的第一层~第三层高频分量经过软阈值量化处理,将心电信号中含有高频噪声的第一~第二层高频分量经过硬阈值处理,去除信号中的高频噪声。

  (4)将处理后的小波分量重构即可得到去除低频噪声与高频噪声的信号。

  3.2 去噪结果

  来源于Challenge 2010 Training Set A a08这一组数据的脉搏波原始信号如图3.1所示。

  以db7为小波基函数对脉搏波原始信号作八层小波变换后的结果如图3.2所示,其中a8为第八层低频分量,d1~d8为八层高频分量,脉搏波原始信号等于高频分量与低频分量的和。

  将脉搏波信号中含有基线漂移的第七层~第八层高频分量以及第八层低频分量置零,去除信号中的基线漂移,去噪前后的频谱如图3.3、图3.4所示。

  脉搏波信号进行八层小波变换后的第一层~第三层高频分量如图3.5所示,由图可知这三层分量里含有较多的高频噪声。

  将脉搏波信号进行八层小波变换后的第一层~第三层高频分量进行阈值量化处理后的结果如图3.6所示。

  将脉搏波信号中含有高频噪声的第一层~第三层高频分量经过软阈值量化处理,去除信号中的高频噪声,将处理后的小波分量重构,即可得到去除高频噪声的脉搏波信号,去除高频噪声前后的脉搏波的频谱如图3.7、图3.8所示。

  以db4为小波基函数对原始心电信号作八层小波变换后的结果如图3.11所示,其中a8为第八层低频分量,d1~d8为八层高频分量,原始心电信号等于高频分量与低频分量的和。

  将心电信号中含有基线漂移的第六层~第八层高频分量以及第八层低频分量置零,去除信号中的基线漂移,图3.12为去噪前的频谱,图3.13为去噪后的频谱。

  心电信号八层小波变换后的第一层~第二层高频分量如图3.14所示,由图可知这两层高频分量里含有较多的高频噪声。

  将心电信号进行八层小波变换后的第一层~第二层高频分量进行阈值量化处理后的结果如图3.15所示。

  将心电信号中含有高频噪声的第一层~第二层高频分量经过硬阈值量化处理,去除信号中的高频噪声,将处理后的小波分量重构,即可得到去除高频噪声的心电信号,去除高频噪声前后的心电的频谱如图3.16、图3.17所示。

  去除基线漂移与高频噪声后的心电信号如图3.18所示,由图可知已基本消除基线漂移与高频噪声的影响。

  第四章 血压算法

  4.1 定位

  本节主要内容包括脉搏波传播时间的起点定位与终点定位,因为心电信号采集原理上为光速,传播时间可忽略,而脉搏波传播到指尖则需要一定的时间,故可选择心电信号的R波波峰作为脉搏波传播时间的起点,选择脉搏波波峰或上升支最大斜率处作为脉搏波传播时间的终点。

  4.1.1脉搏波传播时间的起点定位

  Pan-Tompkin算法基于心电信号的斜率、幅值和RR间隔三个参数,可实现QRS波群的准确定位[17],是一种典型的QRS波群定位算法,故本文以Pan-Tompkin算法原理为基础,实现R波定位。

  算法在实现定位之前需要对信号做一个预处理,预处理的过程包括去噪、差分、平方以及滑动窗口积分,其流程如图4.1所示,由于去噪部分已在3.1节去噪部分讲过,故不再赘述。差分可以获得心电信号斜率的信息;平方可以扩大斜率差距以突出R波,利用T波变化较为缓慢的特点消除由T波高耸引起的误报;滑动窗口积分可以获得QRS波群的斜率和宽度等信息。

  算法定位分为三个阶段,分别为学习阶段一、学习阶段二和检测阶段。学习阶段一需要大约两秒的时间,根据在学习过程中检测到的信号和噪声峰值来初始化信号阈值与噪声阈值;学习阶段二需要两个心拍来初始化RR间隔阈值;检测阶段进行峰值判断,通过自适应阈值以适应信号的变化,从而增加R波定位的准确度。算法采用两组阈值来定位R波波峰,两组阈值分别用于预处理后的信号和原始信号的R波定位,通过对比两路信号的定位结果,可以提高定位的可靠性与准确度,下面以预处理后的信号为例介绍算法的主要流程。

  学习阶段一:需要初始化信号阈值与噪声阈值,其中信号阈值包括第一阈值与第二阈值,第二阈值为第一阈值的一半。信号的初次检测使用第一阈值,若在一定的时间间隔内未检测到R波波峰,则使用第二阈值,采用搜索返回算法重新检测R波波峰。信号峰值,NPKI是实时更新的噪声峰值,THRESHOLD I1是第一阈值,THRESHOLD I2是第二阈值。

  信号峰值SPKI是已经判断为R波的峰值,噪声峰值NPKI是已经判断为不是R波的峰值(如T波峰值),第一次检测时,信号峰值SPKI取两秒内最大峰值的1/4倍,噪声峰值NPKI取两秒内峰值平均值的1/2倍,之后的变量则是由前一个变量计算得出的。当检测到峰值时,首先将其判断为信号峰值或噪声峰值。判断为信号峰值的条件为满足峰值大于第一阈值或者在搜素返回算法时满足峰值大于第二阈值。

  学习阶段二:需要得到两个独立的RR间隔的平均值。第一个RR间隔平均值是判定为正常心拍的连续8个RR间隔的平均值,第二个RR间隔平均值是最近8个心拍的RR间隔的平均值,大小在正常RR间隔平均值的92%~116%之间波动。第二个RR间隔平均值适用于缓慢变化的心拍,第一个RR间隔则可用于心率发生突变的时刻,通过这两个间隔的交替使用,当从一个人的ECG切换到另一个时,可以快速适应变化,而不需要特殊的学习阶段。

  检测阶段:在使用信号阈值进行峰值定位时,每组信号在定位时使用双阈值进行定位,其检测流程如图4.6所示。

  首先利用MATLAB自带的findpeaks函数以200ms为间隔找出心电信号的所有峰值点,因为生理上需要等待200ms的不应期才能检测到下一个R波波峰[18],这个200ms的不应期消除了在这个时间间隔内错误检测的可能性,避免出现一个节拍内的多次检测。采用findpeaks函数寻找峰值时会出现很多噪声峰值,如图4.7所示,而以200ms为间隔寻找峰值则可去除这些多余的噪声峰值点,如图4.8所示,该组数据来源于Challenge 2010 Training Set A a82。

  如果在检测到R波之后的200ms到360ms之间的一段时间内检测到峰值,且该峰值满足大于第一阈值这一条件,为了判断这个峰值是否是有效的R波还是T波,利用T波变化较为缓慢的特点对斜率进行判断,若斜率大于上一个R波斜率的一半,则判断为R波,反之则为T波,如图4.9、图4.10所示。

  若在大于360ms小于166%的RR时间间隔内未检测到R波波峰,则使用第二阈值,采用搜索返回算法重新检测R波波峰,如图4.11所示的Challenge 2010 Test Set B b97这一组数据检测时出现R波波峰低于第一阈值的情况,采用搜索返回算法即可找到R波波峰。若在大于166%的RR间隔内没有检测到R波,则可认为在该时间间隔内发生了漏检,此时会触发搜索返回,选择这段时间内峰值最大处为R波波峰,并以第二阈值作为检测下一个R波的阈值,通过这种方式,缩短了搜索返回的时间,提高了检测的灵敏度。

  每组长达2500个采样点的50组数据测试结果显示R波定位的正确率为97.31%,错检率为2.14%,漏检率为0.55%。

  4.1.2脉搏波传播时间的终点定位

  在定位脉搏波波峰时,为了保证主波波峰的准确提取,需将非目标点剔除,常采用的剔除方法是判断两峰值之间的时间差,如果时间差太小,则这两峰值之间必定有非目标点,将幅值较小的点剔除,即可得到有效的局部峰值点[19]。利用MATLAB自带的findpeaks函数以300ms为间隔找出Challenge 2010 Training Set A a16这一组数据中脉搏波的有效峰值点,结果如图4.12所示。

  为了提高检测的准确度,去除图4.12出现的峰值异常点,本文通过设置自适应阈值进行有效峰值判断。通过对所求峰值点进行排序,求出峰值的中值,以中值的1/4倍作为初始阈值,判断第一个峰值是否为有效峰值,若该峰值为有效峰值,则取该峰值的1/4倍作为下一个阈值,经过自适应阈值判断的结果如图4.13所示,虚线为自适应阈值,圆圈标出的位置为脉搏波波峰的位置。

  通过测试每组长达2500个采样点的50组数据,脉搏波波峰定位的正确率达到了98.29%,错检率为0.63%,漏检率为1.43%。

  在求出脉搏波波峰的基础上,可以进一步实现脉搏波上升支最大斜率点的定位,以找到的脉搏波波峰位置为起点,向前搜索50个采样点(通过实验得出的结论)寻找脉搏波一阶导数的峰值点,即可找出脉搏波上升支最大斜率点的位置,结果如图4.14所示,虚线为自适应阈值,圆圈标出的位置为脉搏波波峰的位置,方块标出的位置为脉搏波上升支最大斜率点的位置。

  4.2 血压模型的建立

  为了求出公式(2.1)中的系数a和b,需要以心电信号R波波峰为起点,以脉搏波波峰或上升支最大斜率点为终点求出脉搏波传播时间。

  4.2.1 PTT的计算

  在求出脉搏波传播时间之前,将所求R波波峰与脉搏波波峰的位置一一对应,通过计算两者的时间差即可求出脉搏波传播时间。以Challenge 2010 Training Set A a01这一组数据为例,图4.15给出了以心电R波波峰到脉搏波波峰的时间差求出脉搏波传播时间的结果,图中标号相同的为同一组,第三路信号为连续血压波形,血压波峰处为收缩压SBP的值,波谷处为舒张压DBP的值。

  图4.16为以心电R波波峰为起点,以脉搏波上升支最大斜率处为终点求出的10组对应位置,标号相同的为同一组。

  4.2.2 线性回归

  以心电R波波峰为起点,以脉搏波波峰为终点作为脉搏波传播时间求出的血压模型如图4.17、图4.18所示,实验以Challenge 2010 Training Set A a01这一组数据长为25000个点的数据作为训练集,共求出362组PTT与SBP、DBP的对应关系,即图中标记为·的点,图中的直线即为由最小二乘法得出的血压与脉搏波传播时间的线性方程,以数据长度为5000个点的数据作为测试集,即图中标记为※的点,图4.17给出了收缩压SBP与脉搏波传播时间PTT的线性方程建立的过程。

  收缩压与脉搏波传播时间的关系可表达为如公式(4.7)所示的方程:

  以心电R波波峰为起点,以脉搏波上升支斜率最大点为终点作为脉搏波传播时间求出的血压模型如图4.19、图4.20所示,实验以Challenge 2010 Training Set A a01这一组长为25000个点的数据作为训练集,共求出362组PTT与SBP、DBP的对应关系,即图中标记为·的点,用最小二乘法得出血压与脉搏波传播时间的线性方程,即图中的直线,然后以数据长度为5000个点的数据作为测试集,即图中标记为※的点,图4.19给出了收缩压SBP与脉搏波传播时间PTT的线性方程建立的过程。

  收缩压与脉搏波传播时间的关系可表达为如公式(4.9)所示的方程:  通过对比发现,方案一求出的血压模型的测量误差比方案二求出的血压模型的测量误差均值小,但a59这一组数据测得标准差要比方案二大,综合以上指标,以心电R波波峰为起点、以脉搏波波峰为终点作为脉搏波传播时间求出的血压模型较为准确,且该方案测得的血压误差均值≦5mmHg,标准差≦8mmHg,满足AAMI的要求,故本次设计选择的最终方案为以心电R波波峰为起点,以脉搏波波峰为终点作为脉搏波传播时间建立血压模型。

  第五章 总结与展望

  5.1 总结

  本文基于血压与脉搏波传播时间之间存在的线性关系为基础,通过测量脉搏波传播时间建立血压模型从而实现血压的连续测量。在去噪阶段,利用小波变换与阈值相结合的方法去除脉搏波信号与心电信号中含有的基线漂移与高频噪声,其中肌电干扰与工频干扰为脉搏波信号与心电信号中最常见的高频噪声类型;在定位阶段,基于Pan-Tompkin算法的原理实现了R波波峰的准确定位,采用自适应阈值的方法实现了脉搏波波峰与上升支最大斜率点的定位;在建立血压模型时,以求出的脉搏波传播时间与收缩压、舒张压为基础构造足够大的样本量建立个人血压模型,从而实现血压的连续测量。

  5.2 展望

  基于ECG与PPG的血压测量方法可实现血压的连续测量,具有非常重要的研究意义,由于时间的关系导致本课题仍存在一些问题有待解决:

  (1)小波基函数的选择:去噪时,由于小波基函数的选择没有明确的标准,仅凭先验知识和主观判断基函数与信号的相似度确定去噪方案。

  (2)脉搏波传播时间:心电信号R波波峰是心脏电活动与心室射血的起点,与脉搏波起点之间相差一个预射血期(The Preejection Period, PEP),故以心电R波波峰为起点,以脉搏波波峰为终点求出的脉搏波传播时间具有一定的偏差,其中预射血期占脉搏波转播时间的比例为12%~35%[20]。

  (3) 血压模型:影响血压的参数不止包括脉搏波传播时间,还包括动脉血管的厚度、人体脂肪含量、身高与体重等多种参数,由于本次课题实验数据来源于数据库,无法获得除脉搏波传播时间之外的参数,故无法建立适用于所有人群的血压模型。

移动版:基于ECG与PPG的血压测量方法研究

本文标签: